非欧几里得域中的任意分割：挑战与机遇
计算机视觉与模式识别
2023-04-25 v1 人工智能
机器学习
摘要
近期被称为 Segment Anything (SA) 的工作在推动语义分割进入基础模型时代方面取得了重大进展。SA 的影响引发了极为活跃的讨论，并开启了为欧几里得域中目标检测、图像修复等多样任务开发基础模型的令人鼓舞的新浪潮。尽管 SA 带来了可喜的进展，但该概念尚未扩展到非欧几里得图域。在本文中，我们探索了一种新颖的 Segment Non-Euclidean Anything (SNA) 范式，致力于开发能够处理非欧几里得域内各类图数据的基础模型，旨在拓展 SA 的范围并为该方向的未来研究奠定基础。为实现这一目标，我们首先讨论了与 SA 相关的基础模型的最新成果。随后，我们阐明了将 SA 概念应用于图分析时所出现的独特挑战，这涉及从数据和任务两个视角理解欧几里得与非欧几里得域之间的差异。受这些观察的启发，我们提出了若干初步解决方案以应对 SNA 的挑战，并详述了它们各自的局限性，以及为未来 SNA 研究铺平道路的几个潜在方向。在包括图属性分类与回归以及多标签预测在内的五项 Open Graph Benchmark (OGB) 数据集上的实验表明，朴素的 SNA 解决方案性能仍有相当大的提升空间，指向了图通用智能未来探索的一条有前景的途径。
引用
@article{arxiv.2304.11595,
title = {Segment Anything in Non-Euclidean Domains: Challenges and Opportunities},
author = {Yongcheng Jing and Xinchao Wang and Dacheng Tao},
journal= {arXiv preprint arXiv:2304.11595},
year = {2023}
}
备注
Work in progress